thesis-pilot-network

不参与

本项目构建了一个基于 OpenAgents 的 **「毕设全流程辅助智能体网络」**。针对大学生毕设选题难、技术路线模糊及开题报告撰写不规范的痛点，提供从选题推荐、方案规划到报告生成的一站式服务。 核心创意在于采用 **「核心 Agent 兜底 + 专项 Agent 协作」** 的机制。当专项 Agent 未响应时，核心 Agent 自动补位，确保用户问题必有回响。同时，利用精准的事件过滤机制，实现智能体间的 “零干扰” 高效协作，极大提升了多智能体网络的响应稳定性与用户体验。

Agent 规划与角色 数量：计划创建 1 个 核心 Agent（ID: thesis_agent）。 角色：资深毕设指导老师。 职责：负责全流程辅助，包括选题推荐、技术路线规划、开题报告撰写指导及修改答疑。 2. 协作机制 交互模式：采用 「单智能体闭环」 模式。 协作逻辑：该 Agent 作为综合助手，独立处理用户从 “选题” 到 “开题” 的所有咨询。同时预留了协作逻辑，当未来引入其他专项 Agent（如代码助手）时，它负责处理综合性问题或作为 “兜底” 响应，确保用户始终能得到回复。 3. OpenAgents 关键特性使用 事件系统 (Event System)：利用 thread.channel_message.notification 事件监听用户消息，并通过 filter 过滤机制，仅响应人类用户，忽略其他 Agent 的消息，避免系统内部干扰。 Mods 扩展：使用 messaging Mod 实现与用户的高效通信。 gRPC 通信：通过 gRPC 协议与 OpenAgents 服务器连接，保证指令传输的稳定性和效率。 Collab

基于提供的 YAML 配置，预期实现的核心功能清单如下： ① 全流程毕设指导：基于用户输入的专业方向与技术栈，生成符合高校规范的选题、技术路线及开题报告初稿。 ② 智能信息引导：当用户提供信息不全时，主动引导用户补充关键细节（如预期难度），避免盲目输出。 ③ 精准消息过滤：仅响应人类用户的咨询，自动忽略其他 Agent 的消息，防止多智能体网络中的无效交互。 ④ 协作补位响应：在多 Agent 环境中，仅在专项 Agent（如代码 Agent）未响应时，才介入处理综合问题。 ⑤ Mod 通信集成：利用 messaging Mod 实现智能体与用户之间的标准消息收发。